JP2019193776A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2019193776A5 JP2019193776A5 JP2019049066A JP2019049066A JP2019193776A5 JP 2019193776 A5 JP2019193776 A5 JP 2019193776A5 JP 2019049066 A JP2019049066 A JP 2019049066A JP 2019049066 A JP2019049066 A JP 2019049066A JP 2019193776 A5 JP2019193776 A5 JP 2019193776A5
- Authority
- JP
- Japan
- Prior art keywords
- lung
- deep learning
- slices
- slice
- nodule detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000002591 computed tomography Methods 0.000 claims 38
- 210000004072 Lung Anatomy 0.000 claims 31
- 206010056342 Pulmonary mass Diseases 0.000 claims 29
- 238000001514 detection method Methods 0.000 claims 29
- 230000011218 segmentation Effects 0.000 claims 7
- 230000002685 pulmonary Effects 0.000 claims 4
- 238000006243 chemical reaction Methods 0.000 claims 2
- 230000004044 response Effects 0.000 claims 2
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810217568.7A CN108446730B (zh) | 2018-03-16 | 2018-03-16 | 一种基于深度学习的ct肺结节检测装置 |
CN201810217568.7 | 2018-03-16 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019193776A JP2019193776A (ja) | 2019-11-07 |
JP2019193776A5 true JP2019193776A5 (zh) | 2020-06-18 |
JP6993371B2 JP6993371B2 (ja) | 2022-01-13 |
Family
ID=63194771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019049066A Active JP6993371B2 (ja) | 2018-03-16 | 2019-03-15 | ディープラーニングに基づいたコンピュータ断層撮影肺結節検出法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10937157B2 (zh) |
EP (1) | EP3540692A1 (zh) |
JP (1) | JP6993371B2 (zh) |
CN (1) | CN108446730B (zh) |
Families Citing this family (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019173452A1 (en) * | 2018-03-07 | 2019-09-12 | Rensselaer Polytechnic Institute | Deep neural network for ct metal artifact reduction |
CN109255782A (zh) * | 2018-09-03 | 2019-01-22 | 图兮深维医疗科技(苏州)有限公司 | 一种肺结节图像的处理方法、装置、设备及存储介质 |
CN109523521B (zh) * | 2018-10-26 | 2022-12-20 | 复旦大学 | 基于多切片ct图像的肺结节分类和病灶定位方法和系统 |
CN109636817B (zh) * | 2018-11-30 | 2020-10-30 | 华中科技大学 | 一种基于二维卷积神经网络的肺结节分割方法 |
CN109886967A (zh) * | 2019-01-16 | 2019-06-14 | 成都蓝景信息技术有限公司 | 基于深度学习技术的肺部解剖学位置定位算法 |
CN110189307B (zh) * | 2019-05-14 | 2021-11-23 | 慧影医疗科技(北京)有限公司 | 一种基于多模型融合的肺结节检测方法及系统 |
JP7313192B2 (ja) * | 2019-05-27 | 2023-07-24 | キヤノンメディカルシステムズ株式会社 | 診断支援装置、及び、x線ct装置 |
CN111062947B (zh) * | 2019-08-14 | 2023-04-25 | 深圳市智影医疗科技有限公司 | 一种基于深度学习的x光胸片病灶定位方法及系统 |
CN110739049A (zh) * | 2019-10-10 | 2020-01-31 | 上海联影智能医疗科技有限公司 | 图像勾画方法、装置、存储介质及计算机设备 |
CN110942446A (zh) * | 2019-10-17 | 2020-03-31 | 付冲 | 一种基于ct影像的肺结节自动检测方法 |
CN110570425B (zh) * | 2019-10-18 | 2023-09-08 | 北京理工大学 | 一种基于深度强化学习算法的肺结节分析方法及装置 |
CN110852350B (zh) * | 2019-10-21 | 2022-09-09 | 北京航空航天大学 | 一种基于多尺度迁移学习的肺结节良恶性分类方法和系统 |
CN110992312B (zh) * | 2019-11-15 | 2024-02-27 | 上海联影智能医疗科技有限公司 | 医学图像处理方法、装置、存储介质及计算机设备 |
CN110782446B (zh) * | 2019-10-25 | 2022-04-15 | 杭州依图医疗技术有限公司 | 一种确定肺结节体积的方法及装置 |
CN112365504A (zh) * | 2019-10-29 | 2021-02-12 | 杭州脉流科技有限公司 | Ct左心室分割方法、装置、设备和存储介质 |
CN110853011B (zh) * | 2019-11-11 | 2022-05-27 | 河北工业大学 | 用于肺结节检测的卷积神经网络模型的构建方法 |
CN110992377B (zh) * | 2019-12-02 | 2020-12-22 | 推想医疗科技股份有限公司 | 图像分割方法、装置、计算机可读存储介质和设备 |
KR102322995B1 (ko) * | 2019-12-10 | 2021-11-09 | (주)헬스허브 | 다이나믹 윈도우 기반 인공지능 노듈 세그먼테이션 방법 및 그 장치 |
CN111080625B (zh) * | 2019-12-18 | 2020-12-29 | 推想医疗科技股份有限公司 | 肺部影像条索检测模型的训练方法及其训练装置 |
CN111127482B (zh) * | 2019-12-20 | 2023-06-30 | 广州柏视医疗科技有限公司 | 基于深度学习的ct影像肺气管的分割方法及系统 |
CN111369623B (zh) * | 2020-02-27 | 2022-11-15 | 复旦大学 | 一种基于深度学习3d目标检测的肺部ct图像识别方法 |
CN110969623B (zh) * | 2020-02-28 | 2020-06-26 | 北京深睿博联科技有限责任公司 | 一种肺部ct多征象自动检测方法、系统、终端及存储介质 |
CN111476766B (zh) * | 2020-03-31 | 2023-08-22 | 哈尔滨商业大学 | 基于深度学习的肺结节ct图像检测系统 |
CN111402254B (zh) * | 2020-04-03 | 2023-05-16 | 杭州华卓信息科技有限公司 | 一种ct图像肺结节高性能自动检测方法及装置 |
CN111539918B (zh) * | 2020-04-15 | 2023-05-02 | 复旦大学附属肿瘤医院 | 基于深度学习的磨玻璃肺结节风险分层预测系统 |
CN111553892B (zh) * | 2020-04-23 | 2021-11-05 | 北京小白世纪网络科技有限公司 | 基于深度学习的肺结节分割计算方法、装置及系统 |
CN111915556B (zh) * | 2020-06-22 | 2024-05-14 | 杭州深睿博联科技有限公司 | 一种基于双分支网络的ct图像病变检测方法、系统、终端及存储介质 |
CN111862001B (zh) * | 2020-06-28 | 2023-11-28 | 微医云(杭州)控股有限公司 | Ct影像的半自动标注方法及装置、电子设备、存储介质 |
CN111815593B (zh) * | 2020-06-29 | 2024-03-01 | 郑州大学 | 基于对抗学习的肺结节域适应分割方法、装置及存储介质 |
CN111798425B (zh) * | 2020-06-30 | 2022-05-27 | 天津大学 | 基于深度学习的胃肠道间质瘤中核分裂象智能检测方法 |
CN111815608B (zh) * | 2020-07-13 | 2023-08-25 | 北京小白世纪网络科技有限公司 | 基于深度学习的新冠肺炎患者康复时间预测方法及系统 |
CN112116558A (zh) * | 2020-08-17 | 2020-12-22 | 您好人工智能技术研发昆山有限公司 | 一种基于深度学习的ct影像肺结节检测系统 |
CN111986189B (zh) * | 2020-08-27 | 2022-12-27 | 上海市公共卫生临床中心 | 一种基于ct影像的多类别肺炎筛查深度学习装置 |
CN112241948A (zh) * | 2020-09-23 | 2021-01-19 | 深圳视见医疗科技有限公司 | 一种自适应层厚的肺结节检测分析方法及系统 |
CN112184657A (zh) * | 2020-09-24 | 2021-01-05 | 上海健康医学院 | 一种肺结节自动检测方法、装置及计算机系统 |
CN112184659B (zh) * | 2020-09-24 | 2023-08-25 | 上海健康医学院 | 一种肺部图像处理方法、装置及设备 |
CN112365498B (zh) * | 2020-12-10 | 2024-01-23 | 南京大学 | 一种针对二维图像序列中多尺度多形态目标的自动检测方法 |
CN112634210B (zh) * | 2020-12-10 | 2024-04-09 | 重庆大学 | 一种基于三维ct影像的肺结节检测方法 |
US11776128B2 (en) * | 2020-12-11 | 2023-10-03 | Siemens Healthcare Gmbh | Automatic detection of lesions in medical images using 2D and 3D deep learning networks |
CN113077427B (zh) * | 2021-03-29 | 2023-04-25 | 北京深睿博联科技有限责任公司 | 一种类别预测模型的生成方法及装置 |
CN113012144A (zh) * | 2021-04-08 | 2021-06-22 | 湘南学院附属医院 | 一种肺部肿瘤的自动勾画方法、勾画系统、计算设备和存储介质 |
CN113269747B (zh) * | 2021-05-24 | 2023-06-13 | 浙江大学医学院附属第一医院 | 一种基于深度学习的病理图片肝癌扩散检测方法及系统 |
CN113554655B (zh) * | 2021-07-13 | 2021-12-31 | 中国科学院空间应用工程与技术中心 | 基于多特征增强的光学遥感图像分割方法及装置 |
CN113744183B (zh) * | 2021-07-27 | 2024-04-19 | 山东师范大学 | 肺结节检测方法及系统 |
CN113658174B (zh) * | 2021-09-02 | 2023-09-19 | 北京航空航天大学 | 基于深度学习和图像处理算法的微核组学图像检测方法 |
US11367191B1 (en) * | 2021-10-07 | 2022-06-21 | Qure.Ai Technologies Private Limited | Adapting report of nodules |
KR102710766B1 (ko) * | 2021-10-08 | 2024-09-27 | 주식회사 피맥스 | 폐 질환 경과 추적을 위한 정보 제공 방법 및 이를 위한 장치 |
CN113889231A (zh) * | 2021-10-15 | 2022-01-04 | 长春工业大学 | 一种基于手工特征和深度特征融合的肺结节图像处理方法 |
CN113971728B (zh) * | 2021-10-25 | 2023-04-21 | 北京百度网讯科技有限公司 | 图像识别方法、模型的训练方法、装置、设备及介质 |
CN113962984A (zh) * | 2021-11-15 | 2022-01-21 | 北京航空航天大学 | 基于深度学习算法的质子ct成像方法、装置和电子设备 |
CN114119546A (zh) * | 2021-11-25 | 2022-03-01 | 推想医疗科技股份有限公司 | 检测mri影像的方法及装置 |
CN114332132A (zh) * | 2021-12-31 | 2022-04-12 | 联影智能医疗科技(成都)有限公司 | 图像分割方法、装置和计算机设备 |
CN114677383B (zh) * | 2022-03-03 | 2024-03-15 | 西北工业大学 | 基于多任务学习的肺结节检测分割方法 |
CN114693671B (zh) * | 2022-04-25 | 2022-11-29 | 香港中文大学(深圳) | 基于深度学习的肺结节半自动分割方法、装置、设备及介质 |
CN115100156A (zh) * | 2022-07-01 | 2022-09-23 | 江苏康思宁医疗科技有限公司 | 一种深度学习级联ct肺结节检测方法及装置 |
CN115393321A (zh) * | 2022-08-26 | 2022-11-25 | 南通大学 | 一种基于深度学习的多层螺旋ct对肺结核多分类检出方法 |
CN117635519A (zh) * | 2022-08-29 | 2024-03-01 | 杭州堃博生物科技有限公司 | 基于ct图像的病灶检测方法、装置及计算机可读存储介质 |
US20240152747A1 (en) * | 2022-11-08 | 2024-05-09 | UnitX, Inc. | Three-dimensional spatial-channel deep learning neural network |
CN116012355B (zh) * | 2023-02-07 | 2023-11-21 | 重庆大学 | 一种基于深度学习的自适应假阳性肺结节剔除方法 |
CN116228685B (zh) * | 2023-02-07 | 2023-08-22 | 重庆大学 | 一种基于深度学习的肺结节检测与剔除方法 |
CN116258717B (zh) * | 2023-05-15 | 2023-09-08 | 广州思德医疗科技有限公司 | 病灶识别方法、装置、设备和存储介质 |
CN116664953B (zh) * | 2023-06-28 | 2024-09-13 | 北京大学第三医院(北京大学第三临床医学院) | 2.5d肺炎医学ct影像分类装置及设备 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5881124A (en) * | 1994-03-31 | 1999-03-09 | Arch Development Corporation | Automated method and system for the detection of lesions in medical computed tomographic scans |
US6141437A (en) * | 1995-11-22 | 2000-10-31 | Arch Development Corporation | CAD method, computer and storage medium for automated detection of lung nodules in digital chest images |
US7130457B2 (en) * | 2001-07-17 | 2006-10-31 | Accuimage Diagnostics Corp. | Systems and graphical user interface for analyzing body images |
US7058210B2 (en) | 2001-11-20 | 2006-06-06 | General Electric Company | Method and system for lung disease detection |
CN103186703A (zh) * | 2011-12-30 | 2013-07-03 | 无锡睿影信息技术有限公司 | 一种基于胸片的计算机辅助检测肺结节的方法 |
US10282663B2 (en) | 2015-08-15 | 2019-05-07 | Salesforce.Com, Inc. | Three-dimensional (3D) convolution with 3D batch normalization |
US9947102B2 (en) * | 2016-08-26 | 2018-04-17 | Elekta, Inc. | Image segmentation using neural network method |
CN106504232B (zh) | 2016-10-14 | 2019-06-14 | 北京网医智捷科技有限公司 | 一种基于3d卷积神经网络的肺部结节自动检测系统 |
CN106780460B (zh) * | 2016-12-13 | 2019-11-08 | 杭州健培科技有限公司 | 一种用于胸部ct影像的肺结节自动检测系统 |
CA3053487A1 (en) * | 2017-02-22 | 2018-08-30 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Detection of prostate cancer in multi-parametric mri using random forest with instance weighting & mr prostate segmentation by deep learning with holistically-nested networks |
US10580131B2 (en) * | 2017-02-23 | 2020-03-03 | Zebra Medical Vision Ltd. | Convolutional neural network for segmentation of medical anatomical images |
CN106940816B (zh) * | 2017-03-22 | 2020-06-09 | 杭州健培科技有限公司 | 基于3d全卷积神经网络的ct图像肺结节检测系统 |
CN107274402A (zh) * | 2017-06-27 | 2017-10-20 | 北京深睿博联科技有限责任公司 | 一种基于胸部ct影像的肺结节自动检测方法及系统 |
-
2018
- 2018-03-16 CN CN201810217568.7A patent/CN108446730B/zh active Active
-
2019
- 2019-03-13 US US16/351,896 patent/US10937157B2/en active Active
- 2019-03-15 EP EP19163039.1A patent/EP3540692A1/en active Pending
- 2019-03-15 JP JP2019049066A patent/JP6993371B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2019193776A5 (zh) | ||
Yan et al. | Variational mesh segmentation via quadric surface fitting | |
CN108171692B (zh) | 一种肺部影像检索方法及装置 | |
CN108022242A (zh) | 使用深度学习的先验的自动化分割 | |
JP2019525786A5 (zh) | ||
CN107993228B (zh) | 一种基于心血管oct影像的易损斑块自动检测方法和装置 | |
WO2019201204A1 (zh) | 一种影像结节检测的方法及装置 | |
Sundaresan et al. | Model driven segmentation of articulating humans in Laplacian Eigenspace | |
JP2007181679A5 (zh) | ||
CN112329871B (zh) | 一种基于自校正卷积与通道注意力机制的肺结节检测方法 | |
CN108124489B (zh) | 信息处理方法、装置、云处理设备以及计算机程序产品 | |
JP2016508242A5 (zh) | ||
CN104392223A (zh) | 二维视频图像中的人体姿态识别方法 | |
CN108052909B (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
WO2021009062A1 (en) | Methods of estimating a bare body shape from a concealed scan of the body | |
JP7480001B2 (ja) | 学習装置、処理装置、学習方法、姿勢検出モデル、プログラム、及び記憶媒体 | |
CN104463825B (zh) | 用于在三维体积图像中检测对象的设备和方法 | |
CN107616796B (zh) | 基于深度神经网络的肺结节良恶性检测方法及装置 | |
JP2024529423A (ja) | 保安検査ct対象物認識方法及び装置 | |
CN112036491A (zh) | 确定训练样本的方法及装置、训练深度学习模型的方法 | |
CN111340780A (zh) | 一种基于三维超声图像的病灶检测方法 | |
Hafiz et al. | Interest point detection in 3D point cloud data using 3D Sobel-Harris operator | |
KR101412369B1 (ko) | 영상의 객체 검출 방법 및 장치 | |
CN114187252B (zh) | 图像处理方法及装置、调整检测框的方法及装置 | |
TWI733627B (zh) | 基於胸部低劑量電腦斷層影像之深度學習肺結節偵測方法及電腦程式產品 |